在軌集群操控關鍵技術研究進展與展望

岳程斐，陸 浪，吳云華，曹啟鵬，曹喜濱

(1. 哈爾濱工業大學(深圳)空間科學與應用技術研究院，深圳 518055；2. 南京航空航天大學航天學院，南京 210016；3. 航天東方紅衛星有限公司，北京 100094；4. 哈爾濱工業大學衛星技術研究所，哈爾濱 150001)

0 引 言

近些年來,以大型空間站、空間望遠鏡、空間太陽能電站等為代表的大型空間設施在軌建造任務得到了越來越多的關注與研究[1-3]。這些任務的提出與實施,極大地促進了在軌操控技術的發展。同時,隨著大型空間結構建造要求的提高及模塊化設計建造技術的發展,滿足更高效率建造要求的在軌集群操控技術成為了新的研究熱點[4-5]。

在軌集群操控指多個操控工具航天器或者帶動力組件聚集在一定空間內,通過信息交互、協調和控制,使集群系統自主協同地完成在軌巡檢、制造、搬運、組裝、拆解等任務。從技術途徑來看,大致可以分為兩類:模塊化帶動力智能組件集群的在軌自組裝和集群操控工具航天器對部件的制造、搬運、組裝與維修,分別如圖1、圖2所示[6-7]。

圖1 智能組件集群在軌自組裝示意圖[6]

圖2 操控航天器集群在軌組裝示意圖[7]

與生物集群類似,在軌集群操控系統主要有以下5個特點[8-10]：①集群操控系統由大量具備操作能力及運動控制能力的在軌操控工具航天器(個體成員)組成;②各操控航天器模塊化、型譜化設計,系統成員同/異構混合;③系統對周圍環境及目標具備局部的感知能力,相互間有有限的通信能力;④系統多采用自組織網絡進行信息交互,控制則采用分布式控制或分層的混合控制方式;⑤在軌操控通過自組織協同實現串/并行流水線形式作業。

與單一操控航天器相比,集群在軌操控主要具備以下5方面的優勢[8-10]：①可擴展:集群操控工具航天器的分布式協調機制可確保群體在不同規模下運行,易擴展;②更靈活:集群系統能夠兼容多種形態航天器,并基于成員特點適配不同任務;③更高效:集群系統依靠數量上的優勢,可進行串/并行流水線作業,加速任務進程;④更魯棒:集群操控航天器中的故障個體可被快速替換,不會嚴重影響群體全局任務;⑤更經濟:集群系統降低了單體航天器的設計難度與復雜度,可批量化制造。

目前,對集群操控的研究主要集中在海陸空無人集群系統上,并且已部分實現工程化、產業化[11]。而空間在軌集群操控的相關研究還主要集中在理論研究與關鍵技術突破上,距離工程化還有較遠的距離。這種差異主要歸因于在軌集群操控航天器自身成本高、地面驗證難、運載部署花費高、在軌試驗風險大等多重因素。而隨著單體操控航天器在軌服務技術的不斷成熟、集群控制技術的不斷發展、航天器模塊化、規模化制造技術的實現及運載能力的不斷提升,在軌集群操控有望在未來的空間任務中發揮越來越重要的作用。

本文著眼于未來集群操控任務與關鍵技術,在對在軌集群操控任務計劃進行分析的基礎上,對其關鍵技術研究現狀進行了系統梳理與分類闡述,提出了一套面向大型空間設施在軌建造與維護的集群操控體系能力框架,對在軌集群操控技術在太空建造中的應用前景與挑戰進行了展望,期望為我國未來大型空間設施建造任務的實施提供參考。

1 國內外在軌集群操控任務與計劃

目前,各國提出和開展了各類大型空間設施建造計劃和任務,典型任務如表1所示。這些任務呈現出如下4方面的發展趨勢:①規模大型化:以超大口徑空間望遠鏡等為代表的空間設施建造向規模大型化方向發展;②設計模塊化:采用標準化、模塊化設計,配備通用接口,便于在軌制造、組裝與維護;③易拼接/展開:采用可伸縮桿件、柔性薄膜等結構或材料,易拼接易展開;④模態多、形變大:桿-板-膜結合,剛-撓-柔等多形態混雜。以上趨勢決定了單一功能航天器很難勝任未來航天任務,其必將由單體模式向型譜化系列化、集群化智能化方向發展。

表1 典型大型空間設施在軌建造任務

具體而言,美國已經對智能化航天器集群操控系統進行了深入研究,先后提出了“彈性太空”概念、F6系統、ANTS任務、超大型天基望遠鏡在軌集群自組裝任務,并通過ST-5計劃、MMS任務、颶風全球導航衛星集群任務等項目進行了在軌技術演示與驗證[17]。歐洲則提出了模塊化鏡片在軌集群組裝望遠鏡方案,并通過NetSat項目、CLUSTER計劃試驗了在軌集群導航與控制的技術[17]。中國“天拓”系列微納衛星集群飛行計劃以主從跟蹤控制方式在太空形成了微小衛星網,成功驗證了6顆衛星在空間中集群飛行的技術[18]。

綜上,國外已經對在軌集群操控開展了長時間的研究,立項了多個相關項目,并進行了一定的在軌驗證;國內也對相關技術展開了研究,發展迅速,但與國外相比仍有一定差距。

2 在軌集群操控關鍵技術研究現狀

現有的在軌服務任務大致可以分為在軌制造、在軌組裝、在軌維護3大類。為了滿足各類任務需求,需要研制型譜化的空間制造航天器、空間搬運航天器、空間組裝航天器、空間維修航天器、空間觀測航天器等多型別航天器,并協同地開展各類任務[7,19]。這一過程涉及航天器型譜化設計技術、群體行為建模與智能涌現技術、集群自組網技術、集群智能感知技術、集群自主任務規劃技術與分布式自主協同控制等關鍵技術。

2.1 集群操控航天器型譜化設計技術

航天器型譜化設計技術為在軌集群操控系統提供了專業化、精細化的操控工具和分工明確的同/異構操控航天器;提供了更多任務執行模式,便于器/部件的維修、替換與更新;是集群操控任務分工的基礎,也決定了集群操控系統的能力下限。

型譜化設計過程涉及到了標準化模塊化可替換關節模組設計、標準化可自鎖對接接口設計、不同功能專精末端執行器設計、可變構/重構航天器構型設計、操控航天器構型表達、設計與優化等關鍵技術,具體可參照文獻[20-21]。這些關鍵技術多集中于設計滿足通用任務的單體航天器,對本文所提出的有任務分工的航天器設計涉及較少。

考慮多樣化、高冗余、低成本的空間建造需求,需要開展“末端執行機構-功能部件-各型工具航天器”等多個層次的型譜化、系列化設計和優化,形成任務分工明確的同/異構組合操控航天器集群。

2.2 集群行為建模與智能涌現技術

集群行為建模與智能涌現是指探究集群系統聚集、分散、編隊等多種行為特征和內在機理[22-23],引導群體快速、準確地涌現出決策行為,為實現集群系統任務分工、調度和群體決策提供基礎。

集群行為建模是描述、預測集群系統行為和智能的基礎。目前對集群行為的描述方法大致可以分為圖論、仿生模型、動力學模型以及學習模型等4大類[24]。其中圖論主要包含無向圖和以有限狀態機、馬爾可夫鏈為代表的有向圖,圖論方法能夠將復雜的模型通過矩陣代數來表示,便于求解優化,被廣泛應用于集群系統協作行為建模;仿生模型則通過觀測模仿生物群體的協作行為,構建出適合于集群行為描述的模型,如蟻群覓食模型、鴿群編隊模型、蟑螂聚集模型等;動力學模型主要以人工勢場法、正余弦優化算法(SCA)模型和微分方程等,將系統中的個體視為物理粒子,通過個體之間存在的力的作用產生群體行為;學習模型則包括神經網絡模型、強化學習模型等。集群系統的每個個體通過學習自身及其他個體的經驗,實現對個體行為到群體行為演變過程的描述。

在群體智能涌現機制方面,目前研究主要包含自上而下有組織的集群智能行為和自下而上自組織集群智能涌現兩類[25],如圖3所示。

圖3 兩種典型的群體智能組織形式

自上而下機制是一種分層有序的組織形式,適用于整體問題可分解成若干子問題的情況,個體間通過協同控制算法進行合作,實現群體協作這類復雜問題的高效求解[26]。美國DARPA的“進攻性蜂群戰術”(OFFSET)項目是應用此種群智能行為機制的代表,且基于該機制的系統已達到實戰水平[27]。

自下而上的自組織集群智能涌現機制則更加貼近對生物群體行為的模仿,該機制能使集群系統整體涌現出個體所不具備的新屬性/行為[28-29],例如螞蟻搭橋、蜜蜂筑巢等。然而對該機制的研究仍停留在解釋現象和規律的階段,對群體智能涌現機理缺乏深入理解,也尚無通用化的方法,不能保證群體智能行為重復可控地出現[25,30]。因此自組織形式的群智涌現機理仍有待深入研究與挖掘。此外,Canciani等[31]針對蜂群組織行為的分析提出了等級組織方法,該方法認為復雜生物集群內部的相互作用網絡具有等級組織,群體智能行為是高層次自上而下等級組織與低層次自下而上自組織共同作用的結果。

綜上,目前對于集群智能涌現機理的研究還停留在對一些簡單行為機制的研究與數學轉化描述上,如分散、聚合、對齊等,對于更深層次分工合作、團隊協同的群體智能涌現機理還有待進一步研究。

2.3 集群自組網技術

集群自組網技術決定了集群操控系統的通信結構與拓撲方式。航天器集群通過微波/毫米波/激光等通信介質自主形成星間通信鏈路,并按照設定的協議實現信號的發射與接收。航天器集群網絡需要進行物理層、數據鏈路層和網絡層等3個層面設計,包含發射器、傳感器、處理器、大型存儲器等硬件、數據傳輸方式與協議、集群網絡的拓撲設計與優化等技術[8, 32]。本文著重對集群網絡拓撲設計與優化進行綜述,其余內容可參見通信領域相關文獻。

網絡拓撲結構是研究集群自組網技術的基礎,反映了集群系統中每個成員節點的狀態與相互間的鏈接方式。目前自組網拓撲結構主要由總線、環形、星形、網格、樹等基本的形狀組成[33]。從組織方式來看,自組網架構可以分為扁平化單層單簇簡單拓撲結構、單層多簇拓撲結構以及多層多簇拓撲結構,分別適用于小規模同構的集群自組網、中大規模的同構集群自組網、異構的大規模集群自組網。Liu等[34]引入分層衛星網絡結構作為提升衛星網絡能力的有效途徑,并采用聯合博弈論框架,解決了分層網絡自主聚類決策問題,降低了計算復雜度。Zhu等[35]針對低軌巨星座的激光鏈路通信網絡建立與維持問題,構建了靜態拓撲結構,提出了Starlink星座的最優激光鏈路連接策略。Zhai等[36]針對小型航天器集群低能耗需求,采用圖論方法研究了航天器集群無線自組網低能耗路由路徑構建方法。Venkatapathy等[37]則開發了一種在軌自組裝分布式通信架構,采用多跳路由來保證網絡穩定性。可見,拓撲結構的設計以可擴展性、穩健性、效率、能耗和經濟性等多種指標為準則,結合任務需求設計優化,形成穩定的拓撲結構。

然而,在軌集群自組織網絡具有高動態拓撲結構、異構網絡集成、多通信方式、時延長、寬帶不對稱、對可靠性和安全性要求高等約束[38],因此,研究者對上述約束下的網絡結構設計與優化進行了研究。其中,Peng等[38]提出了衛星數據中心網絡框架,并針對組網中的網絡異構性、動態變化、資源受限和多粒度服務等問題進行了綜述,提出跨層級網絡資源調度方法以提高整體資源效率。Burleigh等[40]針對集群系統端到端的通信延遲問題,提出了基于延遲容忍網絡協議的衛星通信網絡架構。Chen等[41]針對小型衛星集群通信網絡設計問題,提出了基于蟻群優化的群體智能新型網絡框架,可實現小型衛星集群間的自適應路由、通信和網絡重建,對網絡拓撲具有適應性和可擴展性。Lun等[42]用復雜網絡理論描述了衛星集群網絡的創建過程,提出了基于社區的衛星集群網絡構建方法及其改進方法,實現集群系統網絡動態連接。

綜上,對集群航天器網絡架構的設計與優化研究為集群操控系統空間自主組網奠定了基礎。但是,現有結果多針對空間巨型星座,且網絡拓撲形式較為簡單,針對復雜異構、超大規模、分域作業的操控航天器集群仍需進一步研究。

2.4 集群在軌智能感知技術

在軌智能感知是指根據操控航天器自身配置的單/多目相機、激光雷達及其他環境感知傳感器獲取多源相對位姿數據,實現對空間目標的自主精確感知和識別,是實現在軌集群操控的前提條件。

空間目標分為合作目標與非合作目標。目前對于合作目標感知技術的理論研究與在軌驗證都取得了廣泛的成功[43],典型代表為ETS-VII任務,其采用相機加主動光源照亮合作目標標記點的方式,實現了厘米級的相對位置測量和0.1°級的相對姿態測量[44]。然而,在實際在軌服務任務中,對象的信息往往是未知的。因此,非合作目標智能感知成為近年來的研究熱點。其中視覺測量方案因具有非接觸、低功耗、低成本的優勢而成為主流探測方式[45]。

具體而言,Guthrie[46]針對未知特征的非合作空間碎片自主識別問題,提出了一種基于連體卷積神經網絡的自主目標姿態動態檢測方法,在非合作目標識別精度與速度方面有了較為顯著的提高。Mahendrakar等[47]針對空間非合作目標自主識別、表征和特征提取問題,對比了Faster R-CNN和YOLOv5兩種基于深度學習的對象檢測算法。實驗結果表明Faster R-CNN比YOLOv5更準確,但識別時間增加了5倍。Li等[48]針對空間非合作目標識別的模型體量約束、實時性和魯棒性要求,提出一種新的航天器卷積神經網絡(SCNN-lite)精簡模型,并采用Darknet骨干網絡,進一步提高檢測效率。目前,這類研究還存在一些共性問題:神經網絡模型體量無法滿足硬件約束、處理速度無法滿足在軌操控實時性要求、復雜光照及動態變化環境下的目標感知識別魯棒性需提高、模型的可解釋性欠缺、數據樣本小模態多等。

考慮到傳統單星測量感知能力有限,且無法應對目標遮擋的問題,集群協同在軌感知成為研究熱點[49]。相比于單體感知,在軌集群系統具有多節點局部感知能力[50],但是其難以直接獲取全局信息。同時,集群成員互為感知目標,大大增加了感知環境的復雜性。Zhao等[51]提出了一種點云匹配與擴展卡爾曼濾波相結合的多航天器協同觀測方法,該方法能夠在沒有先驗信息的情況下估計出翻滾目標姿態,避免觀測過程中存在遮擋或數據丟失的情況,但并未考慮空間復雜光照環境的影響。Kruger等[52]針對航天器集群的多目標識別導航問題,提出了一種航天器僅角度多目標跟蹤新算法,該方法可以在無先驗知識的情況下僅使用連續的相機圖像自主跟蹤多個未知目標。Koenig等[53]則針對航天器集群系統的多視點多目標識別問題,研發了一套由圖像處理、批量定軌和順序定軌3個模塊組成的絕對和相對軌跡測量軟件系統,可實現無先驗知識多目標識別導航,批量化估計集群成員軌道。然而,這兩項研究僅提供了角度測量目標識別與導航,無法提供近距離精細化作業任務所需的目標形態與運動狀態信息。

綜上,復雜光照條件下動態目標的識別精度與準確度仍有待提升,識別算法輕量化、實時性、可靠性、可解釋性等方面仍面臨巨大挑戰,空間目標圖像樣本小模態多的問題仍制約著在軌智能感知算法的穩定性與準確性。此外,對于大規模在軌集群操控任務而言,還存在個體難以全域感知,多目標準確識別困難、多視點感知信息融合困難等問題,需進一步發展分域精確感知策略,融合包含時空特征與時序連接的分域信息,實現全域感知。

2.5 集群操控航天器自主任務規劃

集群系統自主任務規劃指不依賴地面站系統和人員的支持,在時間與系統等資源條件的約束下,集群系統根據任務需求、系統運行狀態以及每個工具航天器的活動能力,自我決策,生成合理的任務執行序列并自主有序地執行任務[54]。其包括操控任務的分解與分配、群體成員調度、操控路徑生成與優化等內容[55],是自主高效完成操控任務的基礎,為控制系統提供了頂層決策信息。在調度層,系統可根據任務的重要程度、總體操作時間、總體預估能耗、機器人分組搭配等進行多目標優化[56];操作層可以考慮空間長周期軌道攝動、時間、能量、整體系統穩定性、個體作業能力等約束,得到操作時間與能耗均衡的任務操作流程與系統操作路徑[57]。

目前針對集群自主任務規劃的研究基本上都采用“分層規劃+智能優化”的策略,將集群協同任務調度問題簡化為優化問題,并使用蟻群算法、回溯算法、差分進化算法及強化學習等方法來求解[58]。具體操作路徑則考慮時間、能量、自避障與環境避障等約束[59],采用圖搜索類算法(A*/D*算法)、隨機采樣類算法(PRM、RRT)以及仿生智能算法(GA、PSO)等算法生成全局路徑,配合特定設計的局部動態規劃器實現動態避障規劃。算法方面,Yu等[60]針對大尺度空間結構多航天器在軌裝配任務分配問題,考慮在軌裝配過程的類約束、時間約束和能量約束,提出了一種基于擴展CBBA(Consensus-based bundle algorithm)的拍賣算法,為多航天器在軌裝配任務分配問題提供了無沖突解。Chai等[61]提出一種回溯任務分配方法,利用觸發條件和反饋信息實現動態任務分配。針對任務分配與具體操作路徑結合的多層級混合任務決策規劃問題,羅建軍等[62]研究了多機器人在軌組裝空間桁架結構的路徑協同規劃,對單個機器人采用A*算法進行規劃,對多機器人采用優先級與交通規則約束相結合的協調方法實現整體協調。該方法避免了多個體間產生碰撞,也保證了各機器人總路徑最短。She等[63]研究了大型空間望遠鏡在軌組裝任務規劃問題,提出一種結合分支綁定法和改進蟻群算法的混合優化算法,解決了任務分配與路徑規劃問題。Rodríguez等[64]為ESA大型空間結構模塊化組裝項目MOSAR設計了自主任務規劃系統。該系統具有邏輯層和物理層,邏輯層生成組裝空間望遠鏡所需的步驟序列,物理層生成優化后的機械臂裝配軌跡,最終生成合理的整體行動序列。但是,上述研究均將集群成員視為同構個體,與實際系統有較大差距。

為進一步考慮群體成員差異和分工,研究人員提出了集中式和分布式兩類任務調度和規劃算法。Gombolay等[65]提出了Tercio集中式任務分配和調度算法,其可擴展到多代理、不同規模的調度問題,并支持在存在時間和空間鄰近約束情況下的動態調度,實現異構集群任務分解、分配與排序。Foust等[66]研究了異構空間智能組件在軌組裝策略。其通過添加勢函數來處理有限類型的異構性,并使用分布式拍賣算法實現群體任務目標分配;然后使用順序凸規劃實現實時路徑規劃,可完成大規模異構空間組件的無碰組裝。Moser等[67]針對異構自主機器人集群在軌組裝、服務和維修的自主任務分配問題,考慮空間太陽能電站組裝場景,利用混合整數規劃策略求解自主任務分配問題,得到機器人團隊搭配策略、任務目標分配以及類似于柔性車間的作業流程。Wei等[68]面向合作目標的集群在軌維修任務,設計了三層自主任務決策系統,先采用貪婪算法選擇功能異構子衛星搭配組合,再利用遺傳算法選擇子衛星與目標星的最優對接組合模式,最后通過逆分法規劃子衛星對接順序。可見,集群系統的異構性在帶來更加靈活豐富搭配組合方式的同時,也增加了任務規劃決策的復雜度。

為適應越來越復雜的空間自主建造、裝配場景,提高對任務的適應性和算法穩定性,Dai等人[69]針對大型空間桁架結構在軌集群裝配問題,采用強化學習算法生成桁架裝配步驟最少的最優裝配序列與對應的集群機器人動作序列,通過貪婪策略訓練機器人集群,避免了裝配不確定性引起的故障問題。但該方法還存在模型復雜、實時求解困難等問題。

綜上,現有研究涵蓋了任務建模、集群調度分配、裝配順序規劃、操作路徑規劃等,為集群操控系統自主任務規劃奠定了基礎。但是,現有研究多針對特定環境、特定優化指標進行,對非預設環境下的多指標實時規劃和優化還需進一步研究。同時,針對模塊異構、建造序列對整體系統影響大、總體性能要求高的多目標協同規劃難題仍有待解決。

2.6 集群操控航天器分布式協同控制

集群分布式協同控制技術能夠實現對集群各個成員的自主管控與協同合作,是保障集群操控任務安全穩定進行的核心,決定著集群操控系統所能發揮的能力上限。由于集群操控系統技術難度高、風險大、在軌驗證難,目前的研究還主要集中在集群分布式協同控制理論研究上[70]。從集群航天器協同的控制架構上看,已發展出領航跟隨控制法、基于行為的控制方法、虛擬結構法、人工勢場法、基于蜂擁控制法以及混合集群智能控制方法等集群分布式協同控制策略[71]。表2對文獻[72-85]所給出的不同控制架構和方法進行了歸納和總結,給出了不同控制架構下分布式協同控制架構和方法的基本思路、優點、缺點和可能的改進方向,可為未來分布式集群操控控制方法設計提供指導。

表2 集群航天器分布式協同控制架構

結合文獻[72-85]及表2可知,未來還需考慮大型空間任務中串/并行交替作業模式,結合航天器動力學特性、輸入輸出特性,研究系統多層級結構和多樣態作業模式下的集群航天器控制方法,整合去中心化與層級結構,實現群體自主智能與分層指揮控制的兼容。

3 在軌集群操控關鍵技術發展趨勢

多個同構/異構混合的操控航天器通過有效分工和分布式的自組織、自感知、自規劃、自決策協作機制完成單個操控航天器難以完成的任務,是在軌集群操控的顯著優勢。其通過不同規模的多種專精化航天器協同,能夠實現并行作業,具備更大的工作空間、更精細的定位以及更強大的與目標/環境交互能力,達到“單體小專精,集群能力強”的目的。同時,集群操控航天器分布式結構可提高操控系統任務適應能力,降低任務風險。通過發展集群操控技術,可滿足未來大規模空間設施建造和集群操控需求。本節圍繞前文所述的關鍵技術,論述其相應的發展趨勢。

3.1 集群操控航天器型譜化模塊化設計

航天器型譜化需針對不同的基本在軌作業任務開發適配的專精化操控航天器,形成能夠滿足整個大型空間設施在軌建造與維護任務的操控航天器型譜。其以用最少數目不同型別的工具航天器,在較長任務周期內勝任一定范圍或全部任務需求為準則。模塊化則是實現型譜化的重要手段,通過設計標準化的通用模塊,靈活配置出所需的多種操控航天器,并且進行批量化生產制造,用于集群系統擴展、升級、重構、替換,適應多樣態任務需求。未來,操控航天器型譜化模塊化設計需要結合在軌操控任務在航天器模塊化標準化設計、不同功能專精末端執行器設計、可變構/重構航天器構型設計、操控航天器構型設計與優化、機電一體化和相應軟件設計等方面重點突破。

3.2 集群行為建模與群體智能涌現技術

在軌集群操控試驗風險大、成本高,且目前的技術成熟度仍遠未達到應用需求,亟需在集群智能涌現機理、群體決策方法方面進行深入研究。目前,類似于蟻群、鳥群、蜂群等生物天然的集群智能行為得到了廣泛的研究,并基于簡單模仿原則提出了蟻群覓食模型、椋鳥群編隊模型、魚群聚集模型等。在未來,可通過對生物集群行為的觀察、解析與建模更加深入地揭示其生物群智行為涌現機理,結合在軌建造任務規模大、形態多、集群聚散、分組編隊等多行為特點,通過一定的手段將群體智能行為映射到在軌操控航天器集群上,有針對性地構建航天器集群行為模型,提出群體決策方法,揭示群體智能涌現機理,實現群體智能在軌操控。

3.3 在軌集群智能自主組網技術

在軌集群自組網需要能夠自發現、自配置、自切換,動態維護網絡拓撲結構;具備局部通信優化、數據路由、通信協議體系兼容、跨層級協議資源調配等能力。需進行更深入的探索,提出在軌拓撲管理優化的新理論,兼容同/異構成員、不同規模集群的路由新方法,形成一套完整靈活可靠的在軌通信協議體系。針對不同任務規模與串并行作業需求,發展集群自組網技術,實現區域互通與整體協同。

3.4 在軌集群多節點協同智能感知技術

面向大型空間設施在軌建造、維護需求和單個操控航天器節點有限感知能力,需要從硬件設計和智能感知算法上實現突破。硬件上,需進一步提升現有傳感器的感知能力并降低功耗,可采用多傳感器融合方式進一步提升感知范圍與精度。算法上,需要重點突破合作與非合作目標共存、多尺度目標共存及復雜光照條件下動態目標的快速精確識別與三維環境重構技術,并且對現有的目標智能識別算法實現輕量化、實時性、可靠性、可解釋性方面的突破。此外,對于全局信息感知難題,需結合在軌集群系統多節點協同感知特點,提出集群系統分域感知方法,并利用分域信息時空特征與時序連接,探索基于分域信息的全局信息生成方法。

3.5 具有群體智能決策的自主任務規劃技術

在軌集群操控任務自主規劃是一個多層級多約束多目標的高復雜度優化求解問題。在頂層任務決策與分配方面,需考慮集群任務與成員分工,研究集群航天器多目標任務分配與規劃技術,實現多成員、多任務、多指標下的集群任務模式設計與多目標協同優化。下層的個體/集群操作路徑規劃與實時動態優化,需考慮航天器長周期軌道攝動、時間、能量、自避障與環境避障、團隊協同等約束,得到操作時間與能耗均衡且無碰撞的安全可靠系統操作路徑。同時,未來集群自主任務規劃還需在實時性、可靠性、自主性方面進行突破,發展一套具備群體智能決策能力的多層級一體化快速任務規劃理論方法,并結合新一代人工智能技術、群體智能技術與算法輕量化技術,實現大規模多層級多約束優化問題的快速求解。

3.6 多層級多模式分布式協同控制

針對在軌集群操控任務中同異構混雜、去中心化/層級結構混合的特點以及串/并行交替作業模式,考慮作業過程中的時變拓撲、通信時延、狀態約束、執行器飽和、個體故障、障礙規避等多樣化的限制,需結合航天器動力學特性、輸入輸出特性,研究系統多層級結構和多樣態作業模式下的集群航天器分布式協同控制新理論。結合群體智能的頂層協同決策能力與現有編隊控制的局部協同控制能力,形成一套復雜系統網絡結構和多樣作業模式情況下的集群航天器多層級串/并行自主作業控制理論架構,具備群體智能優化能力與編隊控制能力,兼容群體自主智能與分層指揮控制架構,實現區域自治與整體協調。

4 在軌建造集群操控體系能力框架

針對未來空間任務無人化、自主化、集群化作業需求,本節提出一套面向在軌建造的集群操控體系能力框架,如圖4所示。具體而言,航天器集群操控體系能力主要包含3方面要素,分別是操控航天器設計能力要素、航天器集群設計要素與群體智能/群體操控要素。其中,操控航天器設計是整個集群操控體系的基礎,是實現群體智能操控的前提;航天器集群設計是整個操控體系的關鍵,是實現群體操控的載體保障;群體智能操控系統是整個操控體系的核心,是實現群體操控的決定因素。

圖4 航天器集群操控體系能力框架

在該體系架構中,操控航天器自身設計的合理性和先進性將直接影響整體集群操控性能。為此,操控航天器設計包含了航天器系統設計、操控模式設計、專用工具設計等內容,以形成單個操控航天器的感知測量能力、路徑和運動規劃能力、動態跟蹤控制能力和安全穩定操控能力。同時,其還應滿足標準化、專一化、型譜化要求,實現操控航天器及其部組件的批量化生產、組裝、制造,以及自我更新和維護,為集群航天器的分工、協同奠定基礎。

航天器集群設計包含了編隊自組網、網絡維護、集群管理等內容,其設計的好壞將直接影響群體的組織形式和通信效率,是實現群體協同的媒介和基礎,且影響集群操控系統的穩定性和魯棒性。為此,需針對不同任務和集群規模,發展自組織網絡構建、動態拓撲更新,實現集群網絡的區域自治與整體穩定;考慮集群任務、整體分工及串并行作業模式,發展集群和個體的自主管理與調度,實現動態化、彈性化的集群資源調配;同時針對網絡效率和成本等,發展高容量、低能耗的通信網絡和技術,提升通信效率、降低通信能耗、增強網絡彈性。

集群航天器群體智能是群體操控的核心,其直接決定了集群操控的成敗。為實現集群操控,亟需開展群體“智能”涌現、群體決策和協同控制機理研究,使群體具備面向多樣態操控任務的自決策、自協同能力。其中,“智能”涌現包含個體/群體行為描述、群體動力學建模、群體交互機制設計、群體行為預測與干預等內容;群體決策包含局部信息感知與綜合、多層級任務規劃、集群成員分工與調度、協同目標設定等內容;協同控制則包含群體成員身份確認與信任、串并行任務融合、多成員交互與協同,群成員任務能力學習與演化等內容。通過智能涌現、群體決策和協同控制,實現群體優勢,提升單體操控航天器任務能力和效率。

5 結束語

目前各主要航天大國都提出了自己的大型空間設施在軌建造方案,而小型化、專業化、模塊化、型譜化、智能化的航天器集群操控是實現未來大型空間設施在軌制造、組裝、維護的重要手段。在軌集群操控具備同異構兼容、網絡更靈活,多節點計算、系統更可靠,分布式容錯、系統更彈性,串并行融合、作業更高效,非固連接觸、操控更安全,型譜化設計、可重構升級,批量化制造、系統更經濟等突出優勢。但也面臨集群航天器型譜化設計、群體行為建模與智能涌現、集群自組網、集群智能感知、集群自主任務規劃與分布式自主協同控制等多個關鍵技術亟待突破的難題。

本文在綜述在軌集群操控關鍵技術發展現狀與趨勢基礎上,初步提出了適應未來大規模集群操控的能力體系框架,明確了集群操控中操控航天器設計、集群設計與群體智能等3要素,并闡述了3要素之間的關系。該能力體系的提出有望為未來大型空間結構在軌建造及集群操控發展提供借鑒和參考。